
- •1.Основные понятия и закономерности теории вероятностЕй.
- •1.1.Элементы комбинаторики.
- •1.2. Основные понятия теории вероятностей.
- •1.3. Классическое определение вероятности.
- •1.4. Сложение вероятностей.
- •1.5. Геометрические вероятности.
- •1.6. Условные вероятности.
- •1.7.Теорема умножения.
- •1.8.Независимые события. Теорема умножения для независимых событий.
- •1.9.Вероятность появления хотя бы одного события.
- •1.10. Теорема сложения вероятностей совместных событий.
- •1.11. Формула полной вероятности.
- •1.12. Формула Байеса.
- •1.13. Повторные испытания. Формула Бернулли.
- •1.14. Локальная теорема Лапласа.
- •1.15. Интегральная теорема Лапласа.
- •2. Случайные величины.
- •2.1. Понятие случайных величин.
- •2.2. Законы распределения вероятностей для дсв .
- •2.3. Биноминальное распределение.
- •2.4. Распределение Пуассона.
- •2.5.Числовые характеристики дсв. Математическое ожидание.
- •2.6. Свойства математического ожидания.
- •2.7. Математическое ожидание числа появлений события в независимых испытаниях.
- •2.8. Дисперсия случайной величины.
- •2.9. Формула для вычисления дисперсии.
- •2.10. Свойства дисперсии.
- •2.11. Дисперсия числа появлений событий в независимых испытаниях.
- •В соответствии с последним свойством
- •2.12. Среднее квадратическое отклонение.
- •2.13. Среднее квадратическое отклонение суммы взаимно независимых случайных величин.
- •2.14. Одинаково распределенные взаимно независимые величины.
- •2.15. Центральные и начальные моменты случайных величин.
- •3. Непрерывные случайные величины.
- •3.1. Функция распределения вероятностей случайной величины.
- •3.2. График функции распределения.
- •3.3. Плотность распределения вероятностей непрерывной случайной величины.
- •3.4. Вероятность попадания непрерывной случайной величины в заданный интервал.
- •3.5. Нахождение функции распределения по плотности вероятностей.
- •3.6. Свойства плотности распределения.
- •3.7. Вероятностный смысл плотности распределения.
- •3.8.Числовые характеристики непрерывной случайной величины.
- •3.9. Равномерное распределение.
- •3.10. Нормальное распределение.
- •3.11. Нормальная кривая.
- •3.17. Показательное распределение.
- •4.Законы больших чисел.
- •4.1. Неравенство Чебышева.
- •4.2. Теорема Чебышева.
- •4.3. Теорема Бернулли.
- •5. Система случайных величин.
- •5.1. Понятие о системе нескольких случайных величин.
- •5.2. Закон распределения вероятностей для дискретных двумерных случайных величин.
- •5.3. Функция распределения двумерной случайной величины и плотность распределения вероятностей непрерывной двумерной случайной величины.
- •5.4. Условные законы распределения составляющих двумерных случайных величин.
- •5.5.Условное математическое ожидание.
- •5.6. Зависимые и независимые случайные величины.
- •5.7. Корреляционный момент. Коэффициент корреляции.
- •5.8.Линейная регрессия. Прямые линии среднеквадратической регрессии.
- •6. Математическая статистика.
- •6.1.Задачи математической статистики.
- •Способы отбора.
- •6.2.Статистическое распределение выборки.
- •6.3. Эмпирическая (опытная) функция распределения.
- •6.4.Полигон и гистограмма для статистического распределения.
- •6.5.Статистические оценки параметров распределения.
- •6.6.Генеральная и выборочная средняя.
- •6.7.Оценка генеральной средней по выборочной средней.
- •6.8.Групповая и общая средняя.
- •6.9.Отклонение значений признака от общей средней.
- •6.10.Генеральная и выборочная дисперсия.
- •6.11.Групповая, внутригрупповая, межгрупповая, общая дисперсии.
- •6.12. Оценка генеральной дисперсии по исправленной выборочной.
- •6.13. Точность оценки. Доверительная вероятность и доверительный интервал.
- •6.14. Доверительный интервал для математического ожидания нормального распределения при известном .
- •6.15.Доверительный интервал для математического ожидания нормального распределения при неизвестном среднем квадратическом отклонении .
- •6.16. Другие характеристики вариационного ряда.
- •7. Статистическая проверка гипотез.
- •7.1. Статистическая гипотеза. Нулевая и конкурирующая гипотезы. Простая и сложная гипотезы.
- •7.2. Отыскание критических точек и критических областей.
- •7.3. Сравнение двух дисперсий нормальных генеральных совокупностей.
- •7.4. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны.
- •Правило проверки гипотезы.
- •7.5. Сравнение выборочной средней с генеральной средней нормальной совокупности.
- •7.6. Проверка гипотезы о нормальном распределении. Критерий согласия Пирсона.
- •7.7. Схема вычисления теоретических частот для нормального распределения.
- •8.Теория корреляции.
- •8.1.Основные понятия.
- •8.2. Условные средние и выборочные уравнения регрессии.
- •8.3.Отыскание параметров выборочного уравнения среднеквадратической регрессии по несгруппированным данным..
- •8.4. Корреляционная таблица.
- •8.5.Отыскание параметров выборочного уравнения линейной регрессии в случае сгруппированных данных.
- •8.6. Выборочный коэффициент корреляции.
- •8.7. Простейшие случаи криволинейной корреляции.
- •8.8. Понятие о множественной корреляции.
- •Содержание.
1.5. Геометрические вероятности.
Чтобы избежать недостатка классического определения вероятностей, состоящего в том, что оно неприменимо при испытаниях с бесконечным числом исходов, вводят понятие геометрической вероятности, т.е. вероятности попадания точки в заданную область, на заданный отрезок.
Пусть отрезок l является частью отрезка L . На отрезок L наугад ставят точку. Вероятность попадания точки на отрезок l пропорциональна его длине и не зависит от расположения отрезка на большом отрезке L.
длина l
Вероятность попадания точки на отрезок l P = ------------- .
Длина L
Аналогично вводится геометрическая вероятность для плоских фигур. Пусть фигура g является частью фигуры G. Тогда
площадь g
вероятность попадания точки в область фигуры g P = ------------------
площадь G
Пример: В сигнализатор поступают сигналы от двух устройств. Поступление каждого из сигналов равновозможно в любой момент промежутка времени Т. Моменты поступления сигналов не зависят друг от друга. Сигнализатор срабатывает, если разность между моментом поступления сигналов меньше t. Найти вероятность того, что сигнализатор сработает за время Т, если каждое из устройств пошлет по сигналу.
Решение: Обозначим через x, y моменты поступления сигналов, при этом:
0 x T, 0 y T .
y
y=x+t
C B y=x
T y=x-t
O
A x
T
Областью G является квадрат OABC. Сигнализатор сработает,
если x-y<t при x y, и
если y-x<t при x < y.
Область g будет задана:
y > x - t , при x y,
y < x + t , при x < y.
Тогда по определению
T2 – (T – t)2
P = --------------- .
T2
1.6. Условные вероятности.
Случайным событием мы называем событие, которое может произойти либо не произойти. Если при этом существуют некоторые дополнительные условия, то при вычислении вероятности накладываются дополнительные ограничения и вероятность при этом называется условной (иначе безусловной).
Например, требуется вычислить вероятность события А, но при условии, что событие В уже произошло.
Пример: В ящике 3 белых и 3 черных шара. Из ящика извлекают 2 шара. Найти вероятность появления белого шара при втором испытании, если при первом испытании был извлечен черный шар:
А = {первый шар черный}
В = {второй шар белый}. При извлечении второго шара в ящике всего пять шаров, при этом три из них белых, поэтому
PA(B) = 3/5 .
P(A*B)
Иначе вероятность можно вычислить: PA(B) =------------ (без доказательства).
P(A)
Проверим на примере ( при этом примем во внимание, что общее число исходов равно числу размещений из шести по два):
P(A) = 3/6 = 1/2; P(A*B) = m/n , n=A62 = 6!/4! = 30, m=3*3 = 9,
P(A*B) = 9/30 = 3/10, исходя из этого:
3/10
PA(B) = --------- = 3/5 .
1/2
1.7.Теорема умножения.
Теорема: Вероятность совместного появления двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое событие уже произошло.
P(A*B) = P(A)* PA(B) или
P(A*B) = P(B)* PB(A) .
Из теоремы следует:
P(A)* PA(B) = P(B)* PB(A) .
Следствие: Вероятность совместного появления нескольких событий равна произведению вероятности свершения одного из них на условные вероятности всех оставшихся, причем вероятности последующих событий вычисляются в предположении, что все предыдущие события уже произошли.
P(А1*А2*А3*….*Аn) = P(A1)*PA1(A2)*PA1A2(A3)*….*PA1A2A3…An-1(An) .
Пример: В корзине 5 белых, 4черных и 3 синих шара. Событие состоит в том, что из корзины наугад извлекают 1 шар без возврата. Найти вероятность последовательности событий, которая состоит в том, что при первом испытании извлечен белый шар, при втором – черный, при третьем – синий.
А = {б.} , В = {ч.} , С = {син.} .
P(ABC) = P(A)*PA(B)*PAB(C) = 5/12 * 4/11 * 3/10 = 1/22